Python 多项式logistic回归的Keras模型预测

我正在训练一个输出为19号softmax图层的模型。当我尝试

model.predict（x）

时，对于每个输入，我得到了19个类的概率分布。我尝试了

model.predict\u class

，得到了一个大小为

x

的numpy数组，每个输出都等于0。如何为输出获取一个热向量

所以的文档在某种程度上是误导性的，因为如果仔细检查它，就会发现它只适用于二进制分类。为了解决您的问题，您可以按以下方式使用

numpy

库（基本上是一个函数）：

import numpy as np
classes = np.argmax(model.predict(x), axis = 1)

。。以便为每个示例获取具有类号的数组。为了获得一个热向量，您可以按以下方式使用

keras

内置函数：

import numpy as np
from keras.utils.np_utils import to_categorical
classes_one_hot = to_categorical(np.argmax(model.predict(x), axis = 1))

所以，的文档在某种程度上是误导性的，因为如果仔细检查它，就会发现它只适用于二进制分类。为了解决您的问题，您可以按以下方式使用

numpy

库（基本上是一个函数）：

import numpy as np
classes = np.argmax(model.predict(x), axis = 1)

。。以便为每个示例获取具有类号的数组。为了获得一个热向量，您可以按以下方式使用

keras

内置函数：

import numpy as np
from keras.utils.np_utils import to_categorical
classes_one_hot = to_categorical(np.argmax(model.predict(x), axis = 1))